Pronosticos

Instalar paquetes y llamar librerías

# install.packages("forecast")
library(forecast)

## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

Crear serie de Tiempo

produccion <- c(19,18,15,20,18,22,20)

produccion_st <- ts(data = produccion, start = c(2022, 2), frequency = 12)
produccion_st

##      Feb Mar Apr May Jun Jul Aug
## 2022  19  18  15  20  18  22  20

ARIMA: Modelo Autorregresivo Integrado de Media Móvil (AutoRegressive Integrated Moving Average)

ARIMA (p, d, q)

p = orden de auto-regresión

d = orden de integración (diferenciación)

q = orden del promedio móvil

¿Cuándo de usa?

Cuando las estimaciones futuras se explican por los datos del pasado y no por variables independientes.

Ejemplo: Tipo de Cambio

Modelo

modelo <- auto.arima(produccion_st)
modelo

## Series: produccion_st 
## ARIMA(0,0,0) with non-zero mean 
## 
## Coefficients:
##          mean
##       18.8571
## s.e.   0.7674
## 
## sigma^2 = 4.81:  log likelihood = -14.89
## AIC=33.78   AICc=36.78   BIC=33.67

Pronóstico

pronostico <- forecast(modelo, level=c(95), h=5)
pronostico

##          Point Forecast    Lo 95    Hi 95
## Sep 2022       18.85714 14.55882 23.15547
## Oct 2022       18.85714 14.55882 23.15547
## Nov 2022       18.85714 14.55882 23.15547
## Dec 2022       18.85714 14.55882 23.15547
## Jan 2023       18.85714 14.55882 23.15547

plot(pronostico)

Conclusiones

En este código trabajamos con Pronósticos que nos sirve para poder predecir las variables que nos gustaria conocer, por ejemplo, en el caso de tema de negocios nos encontramos con pronosticos que nos ayudan a conocer futuras ventas, producción, exportaciones, etc. A pesar de que no son perfectos podemos tener estimaciones que pueden acercarse a la realidad.

En esta caso creamos un modelo Autorregresivo para poder obtener la predicción de producción de los siguientes meses dando como resultado una tendencia constante para los siguientes meses, imaginando que son 18 piezas de producción y que nuestro intervalo de confianza nos dice que se podría mantener entre 14.55882-23.15547.